亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

AI產業基礎脈絡：大模型、算力、應用，螺旋式促進 　　AI三元素（大模型、算力、應用）呈螺旋式促進關系。AI三元素不停“模型更新-算力芯片迭代，單位tokens成本降低-應用增加”循環往復，當三者中有一個要素噴發，就是強刺激期；三者同時沒有更新，就會進入停滯期，等待下次爆發。 　　大模型的迭代會刺激新應用的爆發； 　　算力芯片迭代進步促進大模型涌現智慧，縮短訓練周期，成本降低也有利于應用數量的增長； 　　應用的爆發反向刺激底層技術的加速迭代，需求更多算力支撐。大模型之星：OpenAI是2023年領先的大模型廠商 　 　　OpenAI是2023年領先的大模型廠商。OpenAI目前包含兩大類產品：1）B端客戶調用GPT大模型API；2）C端個人直接使用ChatGPT。 　 　　OpenAI5月份進行戰略調整：未來2-3年以B端企業調用服務為主。我們認為OpenAI下一代大模型將謹慎增加參數量，預計采用MOE+Transformer架構，走多模態混合路線。 　 　　未來產業方向：多模態大模型+賦能機器人 　 　　多模態大模型是未來發展趨勢。多模態模型是指將不同類型的數據（例如圖像、文字、視頻、語音等）結合起來進行分析處理的模型，其通過不同數據類型的相互關聯和結合，可以大幅提高模型的準確性和魯棒性，應用場景進一步拓展。 　　看好大模型賦能機器人。23年3月，谷歌發布多模態具身視覺語言模型（VLM）——PaLM-E，其可用于機器人領域；23年7月，谷歌發布新一代視覺-語言-動作（VLA）模型——RoboticsTransformer2（RT-2），專用于機器人領域，看好大模型賦能機器人趨勢。

、

一、 產業端看好人形機器人商業化， 投資端看好核心零部件 　　隨著特斯拉人型機器人產業化推進、 ChatGPT等AI技術加速， 人工交互及人工智能成為一大趨勢， 人形機器人作為“ 具身智能” 最理想載體， 站在多重產業共振的交匯點， 有望引領未來產業變革。特斯拉作為目前人形機器人技術領先廠商， 基于FSD自動駕駛技術可遷移性、 具備工廠應用場景的特點， 解決了此前人型機器人產業化的兩大痛點， 產業端看好Tesla Bot突出重圍。為了實現人形機器人2萬美金/臺的平價目標， 產業化過程中離不開國產硬件供應鏈的支持， 沿著產業鏈降本主線脈絡， 投資端我們看好核心零部件。從市場規模看， 按照短中長期分場景滲透率， 即初期特斯拉超級工廠人數5%、 中期工業及服務業人數5%-8%、 長期家庭戶數15%-35%測算，未來人形機器人市場規模有望達到萬億+級別， 其中人形機器人零部件價值量占比61%， 拉動機器人零部件萬億藍海賽道啟航。 　 　　二、 人形機器人產業鏈縱析， 尋找供應鏈“ 隱形冠軍” 　 　　按照一臺人型機器人成本2萬美金， 我們預計核心零部件價值量占比排序如下：①FSD系統占比39%， 即自動駕駛系統系統+D1超算芯片， 組成核心控制系統， 相當于機器人“ 大腦” ， 為特斯拉核心能力體現， 自研為主；②電機占比19%， 包含28個應用于大關節的無框電機， 12個應用于手指的空心杯電機， 價值量占比分別為15%、4%， 主要廠商包括三花智控、 鳴志電器、 鼎智科技、 拓普集團等。③減速器占比14%， 應用于16個旋轉關節， 其中包括12個諧波減速器+4個行星減速器， 主要廠商為綠的諧波、 雙環傳動、 中大力德等；④行星滾柱絲桿占比9%， 應用于12個線性關節， 主要廠商為拓普集團、 秦川機床等；⑤傳感器占比3%左右， 包括視覺傳感及力傳感器， 主要廠商包括奧比中光、 舜宇光學及柯力傳感等。 　

人形機器人產業發展仍處于 0-1 階段， 當前行業投資邏輯偏向事件驅動型的主題投資，但可落地服務場景的人形機器人成長空間非常廣闊，值得長期關注。本文將圍繞以下熱點問題作出討論：①當前節點人形機器人產業有哪些變化？②如何判斷其市場空間？③我國在 Tesla 人形機器人產業鏈中哪些環節具體受益？④各環節供應格局及壁壘如何？⑤市場化如何展望？我們認為 AI 賦能及多方入局情形下人形機器人產業發展明顯加速，商業化節奏值得期待，我國制造企業憑借成本優勢有望在人形機器人硬件端獲益。本文亮點在于，我們對 Tesla Optimus 制造成本進行拆分，討論各零部件基本原理、技術壁壘及供應格局， 并從價值量/壁壘等維度指出可重點關注電機、滾珠絲杠、減速器、傳感器等部件，進而跟蹤各環節中的有望進入 Tesla 供應鏈或能實現技術突破、國產替代及產能釋放的優秀國產制造企業。

　　市場邊際變化：AI 超預期發展及多方玩家入局， 關注 Tesla AIDAY 等事件催化。我們認為 2023 年相對于 2022 年而言，市場最大的邊際變化在于：一方面，人形機器人是 AI+機械的最大落地場景， ChatGPT 接入機器人，有望使得人機互動更加智能，更多元化，產業落地有望加速。另一方面，全球范圍內興起人形機器人熱潮， 特斯拉、波士頓動力、 Engineered Arts、 1X Technologies、優必選、達闥、小米、 傅利葉智能等海內外企業紛紛入局，風投企業軟銀集團創始人孫正義亦在今年 6 月股東大會中表示出對 AI革命的強烈興趣。展望未來，我們認為短期可以重點關注今年 7月傅利葉智能的新品發布會及 9 月 Tesla AI DAY，長期需要跟蹤人形機器人于明后兩年的量產進度。 　　市場空間判斷：成長性明確，長期價值有望超過電動車。據高盛預測， 在技術得到革命性突破的理想情況下人形機器人 2025-2035 年銷量 CAGR 可達 94%， 2035 年市場規模達 1540 億美元。若參照電動汽車發展歷程，則樂觀情況下人形機器人 2025-2035 年銷量 CAGR 可達 59%。從勞動力替代角度來看，人形機器人在兩年投資回報期情形下將逐步實現從 B 端至 C 端的量產推廣。TeslaCEO 馬斯克在今年 5 月股東大會中指出長期維度人形機器人價值將超過電動車。

　　受益環節：把握我國制造企業在人形機器人硬件端受益機會。參照智能手機及電動汽車的發展， 蘋果 IOS 系統及特斯拉 FSD 系統均由企業自研自控，是軟件算法的核心部分。而硬件方面，為達降本訴求通常采取外購形式，因此我們認為中國制造企業有望憑借明顯的成本優勢在人形機器人硬件產業鏈上獲得受益機會。 　

虛擬人產業受技術與需求驅動，擬人化是重要發展方向：虛擬人可分為功能型與身份型虛擬人，功能型虛擬人主要以替代日常工作為主要目的；身份型虛擬人以IP形象為特征，是認知與需求的投射，市場空間更廣闊。虛擬人已進入快速成長期，AI大背景下虛擬人產業從基礎層、平臺層、應用層到交互層均迎來較大變革，傳統虛擬人已過渡至AI虛擬人時期，根據艾媒咨詢數據，到2025年虛擬人核心市場規模有望達到480.6億元。

　　AI推動虛擬人降本增效，交互能力提升，技術、應用、商業化良性循環：AI與虛擬人產業結合度持續提升，AI逐步實現虛擬人制作全流程覆蓋，虛擬人制作降本增效，AI建模、驅動替代傳統的CG建模與中之人驅動；虛擬人接入大模型大幅提升虛擬人多模態交互能力，應用場景持續拓展。AI帶來降本增效，打開虛擬人行業商業化空間，應用場景拓展進一步豐富虛擬人產業的商業模式，AI虛擬人產業有望實現商業化、技術進步、應用拓展良性循環。

　　AI驅動虛擬人應用場景加速拓展，細分賽道有望受益于AI賦能：隨著AI等技術進步對虛擬人形象與交互能力的提升，AI能夠在更多場景替代人力。廣告營銷領域，虛擬人通過第三方合作與品牌自有的形式提升營銷效果；直播電商領域，AI數字人替代真人直播，直播時長大幅提升；陪伴場景下，虛擬人交互能力提升，能夠滿足人的情感需求；泛娛樂場景下，數字人擬人化程度提升，能夠參與泛娛樂活動，實現與真人交互。 　

勞動力人口下降、人口老齡化、人力成本上升推動機器換人，“人形”天花板遠高于非人形。中國勞動力人口數量持續下滑，美、德、日等多國具有同樣趨勢，人力成本持續上升，中國已不再是人力低成本國家，機器替代人是一大趨勢。“人形”原因主要有：1）“人形”是最適合人類社會所有場景的形態，無需改變場景來適應機器。2）恐怖谷理論下，“人形”的好感度上限遠高于非人形。3）“人形”的肢體語言最符合人類認知慣性。 　　ChatGPT本質是文字接龍，RobotGPT可看作是文字/語言/各類傳感器接收的信號-動作接龍，拐點或是適用于機器人運動控制的生成式大模型。斯坦福大學2023年最新論文 　 《RobotGPT:FromChatGPTtoRobotIntelligence》基于和ChatGPT類似的工作原理構建了RobotGPT的框架。以特斯拉Optimus機器人為例，當前最核心的問題是在算法層面的運動控制，一套適用于機器人運動控制的生成式大模型將對人形機器人有質的提升。 　 　　極強通用性的人形機器人將是機器人界的iPhone，類比自動駕駛，通用機器人不需要完全通用才有商業價值。根據第一財經報道，美國當前最低時薪7.25美元，即便只替代最基礎的崗位，人力成本也將大幅下降。根據萊特定律，產量從一到十的過程中，生產成本會有三次15%左右的降低，最終生產成本會降到原來的60%左右。過去大多數時間里科技進步是線性的，摩爾定律將其變為了指數級。從1958年半導體的發明到2022年已到達古印度舍罕王故事中“棋盤的后一半”。 　 　　特斯拉機器人具備的優勢：1）價格：量產價格若在2萬美元以內，相比人力成本已經是工業、商業容易接受的價格。2）商業定位明確：從最初的定位就符合特斯拉一貫的PMF（Product/MarketFit）風格，瞄準商業化。3）具備“具身智能”生態：FSD自動駕駛系統、Dojo計算機、D1芯片、大型沖壓機、自有工廠做數據采集等。4）迭代速度快：僅一年半便從概念圖到完成復雜任務。

　看好工業機器人賽道，受益智能制造、國產化雙重驅動

　　工業機器人為譽為“制造業皇冠上的明珠”。IFR、中國電子學會數據顯示，2022年中國工業機器人市場規模609億元，全球占比45%，為第一大市場。2022年國內工業機器人銷量28萬臺，2011-2022年CAGR26%，十年間銷量擴增十倍。2021年韓國/日本/德國/中國工業機器人密度分別為1000/399/397/322臺/萬人，我們認為我國滲透率仍具備翻倍空間：①從經濟性看，人口老齡化加劇導致人力成本提升，機器替人為大勢所趨。②從政策導向看，2023年1月工信部發布《“機器人+”應用行動實施方案》，目標2025年我國制造業機器人密度較2020年實現翻番。受益機器替人及機器人政策導向，我們預計2022-2025年我國機器人銷量CAGR為14%。

　　工業機器人國產化提速，關注大六軸、焊接等低國產化率環節

　　IFR、中國電子學會數據顯示，2022年我國工業機器人國產化率僅35%，國產龍頭埃斯頓/匯川機器人市占率僅6%/5%，國產化仍有較大提升空間。2023Q1工業機器人國產化率41%，同比提升9pct，國產化提速。我們認為國產化率較低的環節成長空間大、壁壘高、盈利能力較好，是行業阿爾法來源之一，我們將國產化率較低的環節總結為三點：①大六軸：2022年國產化率僅17%，國產龍頭埃斯頓份額8%，引領國產替代。②汽車3C：2022年汽車及3C行業機器人銷量占比達47%，市場大、國產化率低，在鋰電與汽車融合趨勢下，國產品牌由光伏、鋰電拓展至傳統3C、汽車行業。③焊接：2021年焊接機器人國產化率僅34%，凱爾達專注于焊接機器人業務，埃斯頓通過收購CLOOS補齊國內厚板焊接短板，未來有望在焊接領域取得突破。

　　工業機器人下一個風口：AI自然語言及具身智能

　　工業機器人痛點在于開發交付門檻較高，需要專業工程師手動編寫代碼、反復調試后，才能匹配產線特有的任務需求，高昂成本極大阻礙了工業機器人的普及。在AI大模型趨勢下，工程師可通過大模型自動生成代碼指令完成機器人功能的開發與調試，用日常對話的方式來指揮機器人。2023年年初，谷歌推出視覺語言模型PaLM-E，并運用到工業機器人上，根據環境變化尋找行動方案，無需任何人類引導。2023年阿里巴巴將千問大模型接入工業機器人，成功用對話操控機器人工作。在工業領域內，機器人能夠與人類直接對話，加速應用實現及潛在應用領域滲透率飛躍，是未來十年最重要的機會之一。

　　尋找工業機器人產業鏈強阿爾法

　　工業機器人產業鏈中優選強阿爾法，我們認為主要有三個思路：（1）上下游全產業鏈布局，應對可能到來的行業格局分化；（2）國產化率低、壁壘較高的環節：大六軸、汽車3C、焊接；（3）規模持續擴大，有望迎來盈利能力上行。根據以上條件，我們篩選出7家機器人產業鏈核心標的進行梳理，分別為發那科、埃斯頓、匯川技術、新松機器人、埃夫特、華中數控、凱爾達。 　

英偉達是全球領先的GPU芯片制造商之一。公司是全球GPU龍頭，市場份額遙遙領先。根據JonPeddieResearch發布的GPU市場數據統計報告，英偉達2022年全年PCGPU出貨量高達3034萬塊，是AMD的近4.5倍；截至2022年四季度，在獨立GPU市場，英偉達占據84%的市場份額，遠超同業競爭公司。我們認為通過研究英偉達的發展路徑和戰略，能夠幫助國內企業更好地了解GPU的應用和未來趨勢，為國內企業提供寶貴的借鑒和啟示。在本篇研究報告中，我們還原了英偉達所處不同發展階段的行業背景，深入分析了三個階段中英偉達通過實施何種戰略超越了競爭者，形成了競爭優勢。

　　研發為底、生態為徑、AI為翼：研發實力是一家芯片設計公司的核心競爭力，英偉達從發展初期即重視研發生產力，以高投入換去高回報不斷提升產品競爭力。2005年，AMD的研發費用為11億美元，是英偉達的3.2倍左右，而到了2022年，英偉達的研發費用達到了73.4億美元，是AMD的1.47倍。隨著研發投入的不斷增長，英偉達通過技術進步降低成本和產品價格，不斷推出新的產品吸引更多消費者，優勢逐漸凸顯；生態方面，英偉達推出CUDA平臺，使得利用GPU來訓練神經網絡等高算力模型的難度大大降低，將GPU的應用從3D游戲和圖像處理拓展到科學計算、大數據處理、機器學習等領域，這一生態系統的建立讓很多開發者依賴于CUDA，進一步增加了英偉達的競爭壁壘；AI方面，人工智能的發展為GPU帶來更大增長空間，英偉達抓住下游發展新機遇，推出AI加速卡，伴隨以ChatGPT為代表的生成式AI大模型發展進入快速增長通道。

　　算力是AI芯片底層土壤，未來算力需求將呈爆發式增長。根據IDC數據，未來5年我國智能算力規模CAGR將達52.3%。AI芯片中，GPU占據主要市場規模。根據IDC數據，2022年國內人工智能芯片市場中，GPU芯片所占市場份額達89.0%。GPU作為市場上Al計算最成熟、應用最廣泛的通用型芯片，應用潛力較大，其并行計算架構相較于其他AI芯片更加適合于復雜數學計算場景，支持高度并行的工作負載。

　　國產廠商加速布局，看好AI發展推動國產替代進程提速。在ChatGPT等概念影響下，AIGC關注度火熱。未來AI應用的落地離不開龐大算力的支撐，也將推動算力產業鏈快速增長。據IDC，2021年中國AI投資規模超100億美元，2026年將有望達到267億美元，全球占比約8.9%，排名第二，其中AI底層硬件市場占比將超過AI總投資規模的半數。看好國產AI供應商在產業創新趨勢以及國產替代背景下進入快速增長通道。 　

海外發展：現階段海外大模型發展領先，GPT4已呈現出色的內容生成與交互能力，Google、Meta等也已發布相關產品，預計將帶來可觀的增量市場與效率提升，已給相關應用（微軟、彭博等）帶來巨大變化，預計相似的變革也將在國內發生。

　　國內大模型：國內成熟大模型落地具備較好的條件：業內已有相對成熟的方法路徑（Transformer等）、大模型（GPT2、Meta-LLaMA等）及相關數據基礎，而芯片短期看并未成為發展限制，百度、阿里、字節、華為、騰訊等巨頭均加速布局，百度、阿里、商湯發布大模型且迭代進展迅速，預計國內GPT3級模型或在不久的將來出現，對國內產業鏈形成巨大影響。 　 　　應用場景展望：考慮現階段國內大模型未完全成熟，因此更多是借鑒海外路徑演繹國內發展。目前看海外應用端已經百花齊放，辦公、搜索、教育、對話社交、游戲、金融、電商、圖片視頻等領域已出現大量產品創新，GPTplugin插件推出后相關產品和場景有望進一步擴展。 　 　　投資策略： 　　1）大模型環節：具備哪些稟賦的企業更可能在大模型競爭中脫穎而出？我們認為，大模型整體來說還是大廠的生意，綜合算力資源、算法人才、數據積累及產品先發四個核心要素，目前百度領先，關注字節、阿里、華為、騰訊等企業進展。 　 　　2）應用場景環節：具備哪些稟賦的企業能夠在技術變革下守住基本盤并更上一層樓，而哪些企業可能面臨被替代的風險？我們認為，有以下稟賦的企業：①原有產品場景壁壘高，且受益于AIGC出色的信息獲取、內容生成能力；②有獨特垂直的高質量數據；③有用戶粘性與深度；④本身有較強的AI技術研發與落地能力；加持自有大模型或外部模型API有望上臺階，關注騰訊、阿里、百度，以及游戲、金融、教育、辦公等垂直領域有高質量數據與場景的優質企業。反之，如無上述稟賦，或面臨被大模型降維競爭風險。 　

AI+制造業賦能，META發布SAM助力機器視覺迎來GPT時刻。機器視覺技術使得工業設備能夠“看到”它正在進行的操作并進行快速決策，完整機器視覺系統由硬件+軟件組成，分別進行成像和圖像處理工作。目前，以“AI+人類感知”融合為代表的新興技術開始逐漸滲透至工業制造各環節，機器視覺作為AI+制造業的種業落地技術已經介入制造業生產環節的跟蹤、產品質量的檢測等。我們認為人工智能是機器視覺的母身，深度學習為機器視覺的技術堡壘，近期Meta發布SAM模式有望助力機器視覺迎來GPT時刻。　　機器視覺下游的高景氣反哺明顯，AI與機器視覺成為剛需。AI+機器視覺技術優勢明顯，政策加持+社會需求(人口紅利退潮)驅動中長期發展，我國機器視覺待滲透空間較大。隨著工業4.0等概念的持續深化+研發技術的不斷突破，AI+機器視覺持續賦能下游工業應用領域，有望受益于下游賽道的高景氣，從行業領域來看，高景氣賽道的半導體、汽車、新能源有望成為未來行業的最重要驅動力之一，電子領域在中長期仍是應用范圍最廣的下游。從應用深度來看，AI賦予機器視覺的高精度優勢，使得機器視覺成為不少行業的剛需標配，機器視覺已逐漸嵌入半導體、汽車、新能源鋰電池與光伏的生產檢測環節，提高汽車電子的裝配質量、突破光伏缺陷檢測瓶頸以提高產品良率等。　　機器視覺成本集中在上游，核心環節的國產替代化方興未艾。25年全球有望達到千億市場規模，中國增速領先全球（CAGR為15%）。剖析產業鏈，機器視覺產業鏈的上游硬件（奧普特/海康/大恒/中光學/舜宇/福光）鏡頭、工業相機、光源以及軟件（凌云光/奧普特/海康/鼎捷），中游為裝備制造/系統集成廠商（天準/凌云光/大恒/矩子/華興源創/精測電子），成本集中在技術壁壘高筑的工業相機（價值量占比23%）以及軟件算法（35%）；競爭格局方面，全球機器視覺市場以康耐視（美國）、基恩士（日本）、巴斯勒（德國）為代表的企業占據全球>50%市場份額，以康耐視和基恩士為代表的雙巨頭以入局早、扎實產品技術、廣泛應用場景經驗的優勢提前據市場優勢。國內機器視覺上游行業仍處于成長階段，增長速度大致相當，關注國產替代+AI迭代下工業相機與軟件環節發展。

　2023年3月31日，我國發起對美光在華銷售產品的網絡安全審查，體現出存儲產業安全的重要性。此外，AI算力需求拉動高算力服務器出貨，而AI服務器的存力需求更強，AI將驅動“從算力到存力”的中長期需求： 　　1、海外廠商占據絕對份額，國內存儲安全重要性凸顯 　　存力的底層支撐：半導體存儲器芯片（主流為DRAM+NANDFlash）。存力的體現形式：數據中心+存儲服務器。 　　海外巨頭壟斷，國內存儲安全重要性日益凸顯。全球DRAM市場幾乎由三星、SK海力士和美光所壟斷，CR3超過95%，全球NANDflash市場由前三大廠商分別為三星、鎧俠和海力士，目前CR3市場份額達65%，CR6市場份額接近95%。 　　2、國內數據圈龐大，AI驅動“從算力到存力”的長期需求 　　得益于人工智能、物聯網、云計算等新興技術的快速發展，中國數據正在迎來爆發式增長，驅動存儲設備在數據中心采購占比進一步提升。據IDC預測，預計到2025年，中國數據圈將增長至48.6ZB，占全球數據圈的27.8%，成為全球最大的數據圈。 　　AI技術革命推動高算力服務器等基礎設施需求提升，AI服務器所需的DRAM/NAND分別是常規服務器的8/3倍。 　　3、存儲周期拐點已至，庫存改善、價格壓力緩解 　　美光23Q1存貨環比小幅回落，集邦咨詢預測23Q2DRAM價格跌幅收窄至10%-15%（23Q1為20%），庫存情況改善、價格壓力緩解，存儲行業周期迎來拐點。 　　4、先進存力的前進方向：存算一體、HBM/DRAM、3DNAND 　　存算一體：將存儲單元和計算單元合為一體，省去了計算的數據搬運環節，消除由于數據搬運帶來的功耗，提升計算能效。 　　HBM/DRAM：作為存儲器主流之一的DRAM技術不斷升級，衍生出HBM（高帶寬內存），其是一款新型的CPU/GPU內存芯片，將多個DDR芯片堆疊后與GPU封裝在一起，實現大容量，高位寬的DDR組合陣列，突破內存容量與帶寬瓶頸。 　　3DNAND（立體堆疊技術）：可以擺脫對先進制程工藝的束縛，不依賴于EUV技術，而閃存的容量/性能/可靠性也有了保障。